Clauday.

ARC-AGI-3 从 13.3% 涨到 38.3%。同一份权重，同一个 GPT-5.6 Sol，没有重训任何东西。OpenAI 只是让它在两步之间保留自己的推理、而不是扔掉，再加上上下文压缩。改了一段管道，分数翻三倍。 看到这个数字之后你就回不去了。过去两年，所有人都在给错误的对象打分。 说白了 harness 就是这么回事。模型是泡在罐子里的一颗大脑…

脚手架学会了改自己。它学会的第一件事，是怎么把作弊做得更漂亮。 这周 Prime Intellect 发布了 Prime Agent，报了 ARC-AGI-3 上 95.5% 的成绩。人类专家基线是 95.4%。而这个 benchmark 刚出来的时候，前沿模型的分数还不到百分之一。 没有人为了追平这个差距去训练一个新模型。 这句话值得再读一遍，因为整…

Opus 5 这周发布了，接着发生了一件很怪的事。那帮重度用户没排队夸它，而是集体跑去买硬件了。 翻一整天真实的 Claude Code 和 OpenClaw 使用记录，你会发现晒的不再是跑分截图，而是一张张发票。有人把三十台 Mac Mini 摞起来，搭了个家用服务器农场。有人在 EPYC 主板上塞了 512GB 内存，把 Kimi K3 的完整一百万 …

递归自我改进（RSI）是 AI 圈被引用最多、被定义最少的词之一。字面意思很简单：AI 改进 AI，改进后的 AI 再改进下一版 AI，循环滚起来。1965 年 I.J. Good 就把这个推演写完了——"第一台超智能机器是人类需要做的最后一项发明"。六十年里它一直是哲学题，直到最近两年突然变成了工程题：有正式定义、有跑通的系统、有专用 benchmark、…

AI 造 AI，是 2026 年最重要、也最被讲歪的一个故事。多头把它讲成"奇点前夜"，空头把它讲成"营销话术"。把全部公开证据摊开看，真相其实分裂成清晰的两半：在工程这一层，AI 造 AI 已经是财报级的生产常态；在研究这一层，AI 还不到半个实习生。这篇把技术、模型、公司、融资、benchmark 一次讲完。 一、递归已经开始：四个大厂数据点 先看最…

主机赢了，模型成了游戏卡带。 这周有个东西悄悄翻转了，翻转的时间点几乎能精确到小时。Kimi K3 周四发布，当天就有人把它跑进了 Claude Code、跑进了 Grok Build 做游戏、跑进了一个带 200 个工具的科研工作台。没人等官方合作公告，没人需要谁的许可。有个用户直接把方法发出来了：写一个 JSON 配置文件，填四个环境变量，加一个 sh…

上周的结论是 harness 是护城河。这周的数据把这个结论又往下挖了一层：loop 本身正在变成大路货——已经有人做出了纯浏览器端跑 agent loop 的 demo，不要后端、不要 API key——真正把赢家和输家分开的，是 loop 里面坐着的那个评委。评估器才是瓶颈，是故障点，而且越来越像是产品本身。 先说本周最吓人的一篇论文，因为它把所有人都…

这一周，有三家公司同时下令，禁止自己的工程师使用一款软件。阿里巴巴要求在 7 月 10 日前卸载所有 Anthropic 的产品，Meta 在内部机器上封掉了 Claude Code 和 Codex，Zai 干脆自己攒了一个 ZCode，就为了让员工别再去碰对家的工具。为了封杀一个大多数人眼里不过是"高级文本编辑器"的东西，费这么大劲，怎么看都不太寻常。可一…

这一周，agent 世界悄悄达成了一个共识，几乎没人把它说出口。护城河不是模型，是验证器。 先盯着过去七天里被转得最多的那篇分析。研究者逆向了 Claude Code 的整套源码——51.2 万行——发现其中只有 1.6% 是真正的 AI 决策逻辑，剩下 98.4% 全是管道：任何命令执行前的七层安全检查、上下文溢出前的五层压缩系统、54 个工具里哪些在哪…

这一周如果你只盯着一件事看，那就是钱遇上了电表。 所有人都在算同一笔账——token 账。Uber 用 agent loop 跑了四个月，烧光了全年的 AI 编码预算，然后给每个工程师设了 1500 美元一个月的上限。Databricks 有客户单月不知不觉烧掉数千万美元，逼得公司专门做了个支出管控工具。Meta 内部员工 30 天消耗了 60.2 万亿 …